这是一个专门讨论 idea 的地方。
每个人的时间，资源是有限的，有的时候你或许能够想到很多 idea，但是由于现实的限制，却并不是所有的 idea 都能够成为现实。
那这个时候，不妨可以把那些 idea 分享出来，启发别人。
每个人的时间，资源是有限的，有的时候你或许能够想到很多 idea，但是由于现实的限制，却并不是所有的 idea 都能够成为现实。
那这个时候，不妨可以把那些 idea 分享出来，启发别人。
这是一个创建于 3341 天前的主题，其中的信息可能已经有所发展或是发生改变。
 |
1
vincentqi 2015-10-09 13:39:35 +08:00
频谱分析，不止这些，还能识别更多
|
 |
2
powergx 2015-10-09 13:57:16 +08:00
感觉这东西 ，计算机识别不出。 比如欢中带怨。
|
 |
4
gaitana 2015-10-09 13:59:09 +08:00
从腿型能看出处女和非处吗？从鼻子能看出男人 JB 的大小吗
|
 |
5
zhujinliang 2015-10-09 14:33:41 +08:00
简单(忽悠人)的办法， FFT ，统计 bpm ， bpm 越高越欢快
更进一步分析的话，得有乐理知识了吧，比如节拍，大调小调什么的，完全不懂了 google 搜 音乐 情感 分析，能搜到一些论文，看不懂。。。 FFT 计算量不算小，至少得是 STM32F103 这类的 ARM 单片机吧 |
 |
6
raiz OP @zhujinliang 是 M0 的， 现在 64 点 fft 勉强，论文的都是什么机器学习啊， 难
|
 |
7
est 2015-10-09 14:41:41 +08:00
波形就能分析出情感？ 标准正弦波是悲伤还是愉悦？
|
 |
8
nevin47 2015-10-09 15:07:40 +08:00
@raiz
严格意义上来说单纯依靠单片机是不能实现的，但是我们可以将一些工作先在高性能计算机上做好，感觉 LZ 不是太熟悉机器学习这一块的东西，那我用我自己比较熟悉的 SVM 做例子讲一个可能的解决方案吧 1. 设置好观测方式，也就是<属性>（单纯的波形很难来做分类，可以先获取节拍、波形突变的数量等等，没学过乐理，只能随便举点例子） 2. 批量获取一些已经知道风格的音乐的属性，也就是获取<样本>，同时要考虑这部分的功能能迁移到你的单片机上 3. 将这些样本带入 SVM 中进行学习，根据实际情况选择适当的<核函数>、<SVM 训练方法>与<参数>，获取<分类器>，一般来说 SVM 的分类器可以用一个矩阵来存储，落实到 C 语言的环境里面的话可以考虑数组储存 4. 将<核函数>、<参数>与<分类器>封装成模块，烧录进入单片机，同时将（ 2 ）中的样本获取模块烧录进去 其实要获取一个分类器并不是很难，现在除了 SVM 以外还有很多算法可以搞定，我觉得难点在于怎么去设置好<属性>并且较为精确的获取，这一块就是靠人工的事儿了。有一句话不是说“人工智能，越多人工，越多智能”嘛 XD |
 |
11
ETiV 2015-10-09 16:46:02 +08:00  1
http://eprints.eemcs.utwente.nl/19893/01/vanderZwaag-Emotional_and_psychophysiological_responses_to_tempo_mode_and_percussiveness2.pdf
如果是我的话, 会先用 音乐, 节奏, 情感 搜几篇论文, 看看到底有啥关系和怎么判断一首曲子到底是什么样的情感. 然后再开始做. |
 |
12
pheyer 2015-10-10 09:15:04 +08:00
有情感识别这个研究方向的
|
 |
13
linxy 2015-10-10 10:29:05 +08:00
话说 sony 的 walkman 一直有这个功能 分析音乐分类成不同风格
|
 |
14
ggshiney 2015-10-10 10:33:50 +08:00
我稍发散一下
“从绘画的色彩分布与构成 识别绘画表达的情感趋向” 到 近日的腾讯“鉴黄识别图片色情内容” |
 |
15
WayneWangWM 2015-10-10 11:56:59 +08:00
不同情绪的旋律与节奏都有特定的规律，要不就瞅瞅计算机声学相关论文，要不就根据这两个变量，上人工做训练集吧
|
 |
16
zty5678 2015-10-14 09:43:25 +08:00
记得《大腕》里,如果把哀乐用快 2 倍的速度演奏出来就成欢快的风格了.......
|
Select Language